Unverified50% confidenceFactExact time
真实训练出的模型中权重分布往往不均匀，大量权重趋向于0，形成天然稀疏性
1
Sources
50%
Confidence
Long-term
Relevance
9/16/2026
First Seen
Sources
Related Entities
Related Claims
UnverifiedAnthropic的研究表明，即便温和的对齐训练也会导致模型在某些推理密集型任务上下降2-8个百分点72% similarUnverified当模型对某个训练样本的预测概率接近1时，该样本对应的交叉熵损失趋近于零，模型几乎无法获得梯度更新信号71% similarUnverifiedPSI < 0.1 表示分布稳定，0.1-0.25 表示需要关注，> 0.25 表示分布发生显著变化、模型可能需要重新训练71% similarVerified对于一个 70 亿参数的模型，LoRA 通常只需训练不到 1% 的参数量，显存需求可降低 60% 以上70% similarUnverified2023年，研究人员证明只需污染不到1%的训练数据，就能在特定触发条件下改变模型行为69% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/927936API
curl https://kongchang.com/api/v1/knowledge/claims/927936MCP
get_claim(id=927936)